09082022 黃淑儀博士[每日財經分析](版權擁有)

09082022 黃淑儀博士[每日財經分析](版權擁有)
今天重點: 人工智能尖端技術 : 應用

• 昨天下午,我與華師(scaacpa)就人工智能調查進行了跟進,討論了調查問卷:我突然意識到,利用人工智能技術有{太多的無知}和{巨大的機會} :例如:所有那些由賬戶完成的文書工作,都可以簡化、分析並很快產生財務報告:而且更有趣的早上討論:使用人工智能,來準備當前大多數上市公司面臨的[半年度股東報告}:確實,多年使用的(1)所有語言和(2)格式:沒有太大變化,框架沒有改變,除了數據,修正數據對持股影響的解釋。 人工智能可以解決這個問題。 毫無疑問,美國的一些頂級公司已經開始人工智能: 股東報告、年度報告。
• 但是今天,我們關注的是人工智能正在產生最大影響的領域。

人工智能尖端技術的領域 : 製造業 (Manufacturing)
• 傳統上,製造業採用新的技術速度慢,從操作環境中積累的數據,帶來的無數挑戰。 數據終於“喚醒”了他們運營的[微差別]和[基本面]。
• 加上 COVID-19 之後供應鏈的崩潰,製造業感受到了無限競爭壓力。
• 根據 Gartner 最近報告,36% 的重型製造商 CIO 在報告,近期出現中斷,運營成本競爭力已經落後。 在埃森哲(Accenture)的另一評估,95% 的高管認為行業面臨著適度的顛覆——21% 的高管證明他們的行業“徹底”顛覆。
• 簡而言之,經濟學家預測,到 2025 年,人工智能在製造業的支出達到 110 億美元。鑑於這種情況: 我們觀察以人工智能,區分事實的捷徑或“經驗法則” 。

人工智能製造業的採用
人工智能在以下領域產生了重大影響:
1. 預測性維護的洞察力 (Predictive Maintenance Insights)
2. 提高質量和產量的洞察力 (Improving Quality and Throughput Insights)
3. 庫存預測的洞察力 (Inventory Prediction)

1. 預測性維護的洞察力 (Predictive Maintenance Insights) 預測性維護
• 所有製造業務的敵人都是故障,或重工業中所說的“意外停機”: 無論是機器損壞、供應延遲、人員問題還是任何形式的工廠相關問題。(一個例子:最近作為地鐵的乘客,我們沒有像之前{地鐵信號故障,突然停止}那樣受苦:這是作者的一個小貢獻:能夠預測。 有一天我會分享數據預測的美麗。這工程師也是我最欽佩的自學者:他的自學知識超過了那些擁有博士位。但我確實需要徵得他的同意。當我們討論工程問題時,我們就像玩耍的孩子:因為我不是工程:但我們一起解決了一些最重要和最困難的問題。 這就是自學美妙之處。 在 AI 中,我們應用的思考,也沒有邊界和限制,
明天我們將繼續討論: 提高質量和產量洞察力等等; 隨著人工智能加快其影響,我們將研究不同行業,尤其是[供應鏈]中發生情況。 我們將一起走過這段旅程:互相學習; 享受可以並且使人工智能受益不同行業[分支]的道路。
([email protected] <mailto:[email protected]> ).